Learning Multiple Conflicting Tasks with Artificial Evolution

Résultats de recherche: Contribution dans un livre/un catalogue/un rapport/dans les actes d'une conférenceChapitre (revu par des pairs)

52 Téléchargements (Pure)

Résumé

The paper explores the issue of learning multiple competing tasks in the domain of artificial evolution. In particular, a robot is trained so as to be able to perform two different tasks at the same time, namely a gradient following and rough terrain avoidance behaviours. It is shown that, if the controller is trained to learn two tasks of different difficulty, then the robot performance is higher if the most difficult task is learnt first, before the combined learning of both tasks. An explanation to this superiority is also discussed, in comparison with previous results.

langue originaleAnglais
titreAdvances in Artificial Life and Evolutionary Computation
Sous-titre9th Italian Workshop, WIVACE 2014, Vietri sul Mare, Italy, May 14-15, Revised Selected Papers
rédacteurs en chefClara Pizzuti, Giandomenico Spezzano
EditeurSpringer
Pages127-139
Nombre de pages13
Volume445
ISBN (Electronique)978-3-319-12745-3
ISBN (imprimé)978-3-319-12744-6
Les DOIs
Etat de la publicationPublié - 6 nov. 2014
Evénement9th Italian Workshop on Artificial Life and Evolutionary Computation, WIVACE 2014 - Vietri sul Mare, Italie
Durée: 14 mai 201415 mai 2014

Série de publications

NomCommunications in Computer and Information Science
Volume445
ISSN (imprimé)18650929

Une conférence

Une conférence9th Italian Workshop on Artificial Life and Evolutionary Computation, WIVACE 2014
PaysItalie
La villeVietri sul Mare
période14/05/1415/05/14

Empreinte digitale Examiner les sujets de recherche de « Learning Multiple Conflicting Tasks with Artificial Evolution ». Ensemble, ils forment une empreinte digitale unique.

  • Projets

    Équipement

  • Thèses de l'étudiant

    Modélisation et apprentissage des réseaux de neurones artificiels

    Author: NICOLAY, D., 22 juin 2012

    Superviseur: Carletti, T. (Promoteur)

    Thèse de l'étudiant: Master typesMaster en sciences mathématiques

    Fichier

    Contient cette citation

    Nicolay, D., Andrea, R., & Carletti, T. (2014). Learning Multiple Conflicting Tasks with Artificial Evolution. Dans C. Pizzuti, & G. Spezzano (eds.), Advances in Artificial Life and Evolutionary Computation: 9th Italian Workshop, WIVACE 2014, Vietri sul Mare, Italy, May 14-15, Revised Selected Papers (Vol 445, p. 127-139). (Communications in Computer and Information Science; Vol 445). Springer. https://doi.org/10.1007/978-3-319-12745-3_11